Belangrijkste bevindingen inzake digitaliseringstechnologieën ter verhoging van de energie-efficiëntie in door elektromotoren aangedreven systemen

Wereldwijd verbruikenelektromotorsystemen jaarlijks ongeveer 10.700 TWh en waren ze verantwoordelijk voor 53% van het wereldwijde elektriciteitsverbruik in 2016. Dit komt overeen met ongeveer het gecombineerde elektriciteitsverbruik van China.

Digitaliseringstechnologieën voor door elektromotoren aangedreven systemen zullen een aanzienlijke impact hebben op de sector van de motorsystemen en bieden een enorm potentieel voor verbeteringen op het gebied van prestaties, efficiëntie en kosten. Maar om te bepalen welke digitale technologie voor wie zinvol is, laten we beginnen met het elektromotorsysteem zelf.

In het IEA-rapport"classification of digitalisation technologies for electric motor driven systems" wordt de volgende definitie gegeven:

Een optimaal motorsysteem omvat optimaal op elkaar afgestemde systeemcomponenten (motorbesturing, motor, mechanische apparatuur en toepassing) die zijn ontworpen en worden gebruikt voor de juiste proceseisen in een specifiek tijdsbestek. De toepassing van digitale technologieën op door elektromotoren aangedreven systemen kan de reikwijdte en toegankelijkheid van optimalisatie vergroten, wat leidt tot efficiëntieverbeteringen in werking (operationele kosten, flexibiliteit, inkoop, voetafdruk), energie, materialen (circulariteit) en emissies.

Hoe kies je een digitale technologie om te verbeteren?

Om een bepaalde digitale technologieoplossing te kiezen, moet u weten wat het verwachte voordeel is voor een specifieke bedrijfsomgeving op basis van de status-quo. Maar dit betekent dat u eerst moet weten hoe u de verschillende digitaliseringstechnologieën kunt scheiden - of classificeren.

Een brede classificatie

Een brede classificatie zou er als volgt uit kunnen zien, aan de hand van 5 categorieën:

Besturingstechnologieën: Hieronder vallen technologieën zoals programmeerbare logische controllers (PLC's), variabele frequentieaandrijvingen (VFD's) en geavanceerde regelsystemen die worden gebruikt om de werking van door elektromotoren aangedreven systemen te regelen. Deze technologieën maken real-time bewaking en regeling van de motorprestaties mogelijk, waardoor de efficiëntie wordt verbeterd en energieverspilling wordt tegengegaan.

Voorspellende onderhoudstechnologieën: Deze omvatten technologieën zoals algoritmen voor machinaal leren en instrumenten voor gegevensanalyse die worden gebruikt om potentiële storingen in door elektromotoren aangedreven systemen te voorspellen. Voorspellende onderhoudstechnologieën kunnen organisaties helpen de uitvaltijd te verminderen en de efficiëntie te verbeteren door storingen te voorkomen.

IoT-technologieën: Dit omvat technologieën zoals sensoren, camera's en op de cloud gebaseerde platforms die bewaking en controle op afstand van door elektromotoren aangedreven systemen mogelijk maken. IoT-technologieën kunnen de betrouwbaarheid en prestaties van motorsystemen verbeteren en tegelijkertijd energieverspilling tegengaan.

Big Data en analysetechnologieën: Deze omvatten technologieën zoals data warehousing, data mining en business intelligence tools waarmee organisaties grote hoeveelheden gegevens kunnen verwerken en analyseren die door elektromotor aangedreven systemen worden gegenereerd. Big data en analysetechnologieën kunnen organisaties helpen geïnformeerde beslissingen te nemen over de prestaties en het onderhoud van hun systemen.

Simulatie- en modelleringstechnologieën: Deze omvatten technologieën zoals computerondersteund ontwerp (CAD) en eindige-elementenanalyse (FEA) waarmee organisaties de prestaties van door elektromotoren aangedreven systemen kunnen simuleren en modelleren. Simulatie- en modelleringstechnologieën kunnen organisaties helpen de prestaties te optimaliseren en energieverspilling tegen te gaan.

Meer gedetailleerde classificatie

Persoonlijk houd ik meer van de classificatie die is opgesteld in het kader van het IEA Technology Collaboration Programme on Energy Efficient End-Use Equipment (4E) - Electric Motor Systems Annex (EMSA) programma. Het groepeert 13 digitaliseringstechnologieën in 4 vakken:

Communicatie tussen componenten

1. Sensoren
2. Internet der dingen
3. Intelligente besturing

Gegevensanalyse & bedrijfsoptimalisatie

1. Gegevensanalyse (apparaatniveau)
2. Gegevensanalyse (productielijn/bedrijf)
3. Real-time bewaking

Technologieën die nog meer voordelen bieden

1. Kunstmatige intelligentie
2. Digitale tweelingen
3. Cloud-gebaseerde diensten
4. Toegevoegde realiteit

Andere relevante technologieën

1. Additieve productie
2. Geavanceerde robotica
3. Drones

Wat is de volgende stap?

Om de besluitvorming in de industrie te ondersteunen, moeten de verschillende toepassingen verder worden onderzocht. Vooral de identificatie van industriële gebruikssituaties zal een belangrijke drijfveer zijn, waardoor antwoorden op de volgende vragen kunnen worden gegeven:

1. Wat is het energie-efficiëntiepotentieel van elke oplossing?
2. Wat zijn de achterliggende economische aspecten, de beoordeling van het bedrijfsmodel en de financieringsroutes?
3. Hoe gemakkelijk of complex is de implementatie? Bijvoorbeeld technologieën zoals digitale tweelingen bieden waarschijnlijk bredere voordelen, zodat het verhogen van de energie-efficiëntie van het motorsysteem een van de vele use-cases wordt.

Oproep tot actie voor u

Als u industriële use cases kent waarbij gebruik wordt gemaakt van digitale technologieën zoals hierboven beschreven, zouden we die graag hier publiceren voor het 150.000 experts tellende bereik van EEIP. Stuur ze me gerust via juergen.ritzek@ee-ip.org.